#21 xAI: Grok 4.5
medium- Biaya
- $0.044
- Waktu
- 59.4s
- Token
- 7,512 tok
X AI
Rilis: 2026-07-08
Diuji pada: 2026-07-16 23:09
x-ai/grok-4.5::medium
~1.7T total (~170B aktif)MoETertutupPerkiraan
Ringkasan
Grok 4.5 mendapat skor 8.3 di AI BENCHY dan berada di peringkat #21. Model ini memiliki reliabilitas 10.0, tingkat keberhasilan 78.8%, total biaya $1.928, dan waktu respons rata-rata 61.71s.
Fakta model
Ditelaah pada 2026-08-12
- Parameter
- ~1.7T total (~170B aktif)
- Arsitektur
- MoE
- Ketersediaan
- Tertutup
- Lisensi
- -
Perkiraan terbaik berdasarkan bukti publik; penyedia tidak mengungkapkan semua nilai.
8.3
Konsistensi
8.9
10.0
$1.928
Total token output
280,567
Total token input
122,146
Harga input
$2.000 / 1M
Harga output
$6.000 / 1M
Tes tidak stabil
3
Tes tidak stabil memiliki hasil campuran antar run (setidaknya satu lulus dan satu gagal).
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
Riwayat run
| Diuji pada | Skor | Keandalan | Tes benar | Total Biaya | Bandingkan |
|---|---|---|---|---|---|
| 2026-08-14 03:04 Uji ulang | 8.5 | 10.0 | $2.042 | Bandingkan | |
| 2026-07-16 23:09 Tes baru ditambahkan | 8.3 | 10.0 | $1.928 | Run saat ini | |
| 2026-07-08 23:28 Uji ulang | 8.3 | 9.9 | $1.696 | Bandingkan | |
| 2026-07-08 21:34 Run awal | 8.3 | 9.6 | $1.327 | Bandingkan |
Run ini menggunakan suite benchmark yang berbeda. Perhatikan perubahan suite saat membaca pergerakan historis.
Perbandingan run
| Run | Cakupan benchmark | Skor | Konsistensi | Keandalan | Tes benar | Tes tidak stabil | Total token output | Total token input | Total Biaya | Waktu respons (rata-rata) |
|---|---|---|---|---|---|---|---|---|---|---|
| 2026-07-16 23:09 · Tes baru ditambahkan | 66/66 percobaan | 8.3 | 8.9 | 10.0 | 16/22 | 3 | 280,567 | 122,146 | $1.928 | 61.71s |
| 2026-07-08 23:28 · Uji ulang | 63/63 percobaan | 8.3 | 8.9 | 9.9 | 15/21 | 3 | 264,748 | 53,500 | $1.696 | 62.63s |
| Selisih | — | 0.0 | 0.0 | +0.1 | +1 | 0 | +15819 | +68646 | +$0.233 | -921ms |
Cakupan benchmark berbeda: 66/66 percobaan (Target: 3 pengulangan per tes) dibanding 63/63 percobaan (Target: 3 pengulangan per tes). Total dan metrik yang dipengaruhi pengulangan tidak dapat dibandingkan secara langsung.
Kedua run ini menggunakan suite benchmark yang berbeda, jadi selisihnya mencerminkan perubahan model sekaligus perubahan suite.
Riwayat harga
Data harga historis untuk model ini dari OpenRouter.
| Tanggal | Harga input | Harga output |
|---|---|---|
| 2026-07-08 21:47 | $2.000 / 1M | $6.000 / 1M |
Grafik
Pilih model pertama, lalu klik model kedua untuk membuka halaman berdampingan.
Model teratas berdasarkan skor
Skor vs Total Biaya
Waktu respons (rata-rata)
Skor vs Waktu respons (rata-rata)
Total token output
Skor vs Total token output
Perbandingan Cepat
Grok 4.5mediumvsGPT-5.4mediumGrok 4.5mediumvsMuse Spark 1.2lowGrok 4.5mediumvsQwen3.8 MaxlowGrok 4.5mediumvsGrok 4.6mediumGrok 4.5mediumvsQwen3.6 Max PreviewmediumGrok 4.5mediumvsGrok 4.5lowGrok 4.5mediumvsClaude Fable 5mediumGrok 4.5mediumvsGPT-5.2mediumGrok 4.5mediumvsMuse Spark 1.1mediumGrok 4.5mediumvsQwen3.8 27Bhigh
Rincian Kategori
| Kategori | Skor | Konsistensi | Tes benar |
|---|---|---|---|
| Trik anti-AI | 10.0 | 10.0 | |
| Pemrograman | 7.6 | 7.2 | |
| Gabungan | 10.0 | 10.0 | |
| Parsing dan ekstraksi data | 10.0 | 10.0 | |
| Spesifik domain | 2.9 | 7.2 | |
| Kecerdasan umum | 6.5 | 3.4 | |
| Kepatuhan instruksi | 9.8 | 10.0 | |
| Pemecahan teka-teki | 10.0 | 10.0 | |
| Pemanggilan alat | 10.0 | 10.0 | |
| Pengetahuan umum | 3.0 | 10.0 |